文献类型：专利

中文题名：基于深度学习的植被指数时间序列预测方法与装置

作者：王晓慧[1] 王荫[1] 彭道黎[1] 张楠[1] 陈铭捷[1] 魏胜蓉[1]

第一作者：王晓慧

机构：[1]中国林业科学研究院资源信息研究所;

专利类型：发明专利

申请号：CN202411832364.6

申请日：20241212

申请人地址：100091 北京市海淀区东小府2号

公开日：20250325

代理人：常殿国;徐健

代理机构：北京常乘高知识产权代理事务所(特殊普通合伙)

语种：中文

中文关键词：植被指数;时间序列预测;输出层;权重;环境因子;时间步;激活函数;环境因子数据;时间序列;输出;学习;输入层;正向;预测;卷积;建模预测;多条指令;数据获取;预测目标;输出合并

年份：2025

摘要：一种基于深度学习的植被指数时间序列预测方法与装置，方法包括如下步骤：获取预定时段的历史时期植被指数和环境因子数据并进行处理，得到作为植被指数的NDVI、EVI和kNDVI数据，以及包括温度、降水、蒸散发、风速、相对湿度和土壤湿度的环境因子数据；通过确定环境因子和植被指数之间的线性关系强度和方向，选取和植被指数相关性强的环境因子；构建包括输入层、CNN层、BiLSTM层、AM层和输出层的CNN?BiLSTM?AM模型来预测植被指数时间序列，将相关性强的环境因子作为输入数据，分别以NDVI、EVI和kNDVI植被指数作为输出的预测目标。本发明技术流程简单明晰，极大地提高了植被指数时间序列预测的准确性。